ByteDance: Seedance 2.0 Fast

Seedance 2.0 Fast è l’edizione della famiglia Seedance 2.0 di ByteDance Seed orientata alla velocità. Supporta la generazione congiunta di video e audio e un brief multimodale composto da testo, immagini, video e suoni. Le sue capacità creative comprendono nuove scene guidate da riferimenti, modifiche a filmati esistenti ed estensioni di una scena, mentre i livelli di output documentati sono 480p e 720p.

Riferimenti multimodali: assegnare un ruolo ai materiali

Un’immagine può fornire un personaggio, un prodotto, una composizione o un trattamento visivo. Un video di riferimento può fornire un’azione, un movimento di camera o un effetto. Un riferimento audio può fornire il timbro della voce, una melodia musicale o il contenuto di un dialogo. Spiega quale parte di ciascuna fonte vuoi trasferire nella nuova scena; un riferimento è più utile quando svolge un ruolo creativo preciso.

Per esempio: «Use the ceramic lamp in Image 1 as the product. Follow the slow camera orbit from Video 1, but place the lamp in a quiet reading corner. Use Audio 1 for the musical mood.» Il risultato desiderato è una nuova scena che combina l’aspetto, il movimento e la direzione sonora scelti, invece di un’imitazione non specificata di tutti i dettagli dei riferimenti.

Le combinazioni documentate comprendono immagini con audio, immagini con video, video con audio e tutti e tre insieme. Testo con solo audio e input costituiti soltanto da audio non sono supportati. Il modello supporta anche la generazione di video da testo e la generazione guidata da un’immagine di primo fotogramma o da una coppia di primo e ultimo fotogramma. Quando un punto finale esatto è centrale per il brief, usa il flusso dedicato ai fotogrammi iniziale e finale; descrivere un’immagine di riferimento come punto finale in un prompt omni-reference costituisce un controllo indiretto.

Modificare un video esistente

Il modello può aggiungere, rimuovere o modificare elementi, sostituire un soggetto e ridisegnare o correggere parti di una scena. Identifica il video sorgente, l’oggetto da cambiare e gli elementi che devono restare. Per un’aggiunta, descrivi dove e quando compare. Per una rimozione, identifica l’oggetto in modo coerente lungo il clip.

Un brief pratico può richiedere di sostituire una bottiglia senza decorazioni in una dimostrazione con quella di Image 1, preservando il movimento della mano, lo sfondo e il percorso della camera di Video 1. Controlla sia la sostituzione sia le aree che devono rimanere stabili. Istruzioni chiare su ciò che va preservato rendono la modifica desiderata più facile da valutare rispetto a una generica richiesta di «migliorare» il filmato.

Estendere e collegare clip

Seedance 2.0 Fast supporta estensioni in avanti o all’indietro e il collegamento di due o tre clip con transizioni generate. Per un’estensione, indica se la nuova azione avviene prima o dopo il video fornito e descrivila. Per un collegamento, fornisci i clip nell’ordine previsto e spiega l’evento visivo che li unisce.

Un’estensione semplice restituisce di solito la continuazione appena sviluppata attorno al filmato originale, senza presupporre che l’intero clip sorgente venga ripetuto. Se l’output deve contenere il segmento originale, dichiaralo nel brief. Per creare una transizione tra due o tre video, il flusso documentato può combinare contenuti originali e generati. È utile per collegare una vista ampia del prodotto a un’inquadratura di dettaglio attraverso un movimento di camera intenzionale.

Output e differenze tra edizioni

L’output Fast documentato è MP4 a 24 fps, a 480p o 720p, con profondità colore a 8 bit e clip di 4–15 secondi. I rapporti supportati sono 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16. L’edizione standard di Seedance 2.0 elenca separatamente output a 1080p e 4K; questi livelli non fanno parte della specifica Fast. La famiglia 2.0 supporta la restituzione dell’ultimo fotogramma generato, ma non la modalità separata di anteprima Draft.

L’audio può essere generato insieme al filmato oppure omesso per ottenere un clip muto. L’audio generato è mono. Le lingue documentate per i prompt comprendono inglese, spagnolo, indonesiano, portoghese e giapponese. Mantieni coerente la lingua parlata all’interno di un dialogo; la guida sconsiglia di mescolare lingue, salvo per i nomi propri. Per una scena parlata, indica chi parla e racchiudi la battuta tra virgolette, poi specifica l’interpretazione e gli effetti sonori pertinenti. Adatta la recitazione richiesta alla durata scelta per il clip.

Preparare i riferimenti e rispettare i limiti di ingresso

I limiti di riferimento documentati sono fino a nove immagini, tre video e tre clip audio. Nel profilo documentato del produttore non sono accettati caricamenti diretti di immagini o video di riferimento contenenti volti umani reali; per i ritratti si usa il flusso supportato dedicato alle risorse per ritratti. Ogni clip video o audio deve durare 2–15 secondi; la durata video complessiva è al massimo di 15 secondi, e quella audio complessiva ha un limite separato di 15 secondi. I riferimenti video usano MP4 o MOV, a 24–60 fps, e non devono superare 200 MB ciascuno. I riferimenti audio usano WAV o MP3 e non devono superare 15 MB ciascuno. I formati immagine elencati sono JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC e HEIF. Le immagini devono essere inferiori a 30 MB ciascuna; il limite totale del corpo della richiesta è di 64 MB. Nel profilo documentato per i riferimenti in ingresso, larghezza e altezza delle immagini devono essere entrambe strettamente comprese tra 300 e 6.000 pixel, con un rapporto larghezza/altezza strettamente compreso tra 0.4 e 2.5. I video di riferimento consentono 300–6.000 pixel per dimensione e rapporti di 0.4–2.5, estremi inclusi, con 407.696–8.295.044 pixel totali. I video MP4 o MOV usano video H.264/AVC o H.265/HEVC e audio AAC o MP3.

Ordina le risorse e richiamale coerentemente come Image 1, Video 1 o Audio 1. Usa anche il nome del soggetto visibile o una sua caratteristica distintiva, oltre al numero della risorsa. Adatta l’inquadratura delle immagini iniziale e finale al rapporto d’aspetto del video previsto, poiché una differenza può ritagliare l’immagine o produrre un brusco cambiamento di inquadratura. Concentra il brief sulle caratteristiche da trasferire, sull’evento da generare e su ciò che deve restare invariato; un prompt lungo può disperdere le istruzioni e lasciare irrisolti dettagli secondari.

Pianificazione delle inquadrature, testo e comportamenti noti

Organizza un brief complesso come Shot 1, Shot 2 e Shot 3, con soggetto, azione, posizione e suono chiari per ciascuna inquadratura. La guida consiglia un solo movimento di camera per inquadratura e segnala l’instabilità delle indicazioni temporali precise per singola inquadratura. Assegna a ogni personaggio un’etichetta stabile e alcune caratteristiche distintive; quando l’identità del volto è importante, usa un primo piano chiaro e un riferimento a figura intera separati, anziché una tavola unica con il personaggio visto da più angolazioni.

Il modello può generare testo comune, compresi slogan, sottotitoli e fumetti, con indicazioni su colore, stile, posizione e comparsa. Sono preferibili caratteri comuni a caratteri rari o simboli speciali. Controlla le lettere in movimento. Sottotitoli e loghi indesiderati e personaggi duplicati sono comportamenti documentati; vincoli espliciti e riferimenti puliti possono ridurli, ma non ne garantiscono l’assenza. Più di quattro persone di riferimento sono segnalate come rischio per la stabilità, non come limite rigido al numero di file.

Estensioni ripetute possono accumulare perdite di qualità dell’immagine, e il raccordo di un’estensione può presentare un salto o tornare indietro nell’azione. Limita le continuazioni sovrapposte e controlla il raccordo nel montaggio. Il timbro della voce di riferimento può variare, la narrazione può terminare con un clic e i caratteri cinesi polifonici o poco comuni possono essere pronunciati male. Controlla la battuta e l’audio finale; una breve dissolvenza audio può aiutare in caso di interruzione brusca. Questi controlli fanno parte della preparazione del risultato creativo, soprattutto quando la narrazione dipende dalla continuità del parlato o dei personaggi.